基于Sklearn原生Kmeans算法的自动化聚类

最新推荐文章于 2024-06-19 20:16:31 发布

elite666

最新推荐文章于 2024-06-19 20:16:31 发布

阅读量946

点赞数

分类专栏： python 文章标签： Kmeans

本文链接：https://blog.youkuaiyun.com/elite666/article/details/83514056

版权

本文详细介绍了如何利用Python的Sklearn库进行Kmeans聚类分析，通过自动化流程实现数据的分组和可视化，帮助理解数据分布。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
from pandas import Series
import random
from sklearn.metrics import silhouette_samples, silhouette_score
import time

def pressure_cluster(n_clusters,pressure_array):
    '''
    n_clusters是要聚类的类数
    pressure_array是要进行聚类的压力数据数组
    '''
    data_set = np.array(pressure_array).reshape(-1,1)
    clf1 = KMeans(n_clusters=n_clusters) #调用KMeans算法
    y_pred = clf1.fit_predict(data_set) #加载数据集合
    silhouette_avg = silhouette_score(data_set,clf1.labels_ )
    sample_silhouette_values = silhouette_samples(data_set,clf1.labels_)
    # print(silhouette_avg)
    cluster_res_label = clf1.labels_
    data_set_df=Series(pressure_array,index=cluster_res_label)
    pressure_ctr=[]
    pressure_out=[]
    #算出每一个类别的均值和方差，取mean+2*std，作为该类别的值
    for i in range(n_clusters):
        pressure_ctr.append(data_set_df[i].mean()&#